Il faut deux packages necessaires à installer pour compiler le Rmd avec la fonction install.packages(“rmarkdown”) et install.packages(“knitr”) : rmarkdown et knitr

Packages

library(readr)
library(zoo)
library(astsa)
library(stats)

Données

Nice : https://github.com/bilelsanhaji/EdSTM1/blob/main/Data/SH_MIN006088001.csv

Paris : https://github.com/bilelsanhaji/EdSTM1/blob/main/Data/SH_MIN175114001.csv


Exercice 1

Donnez une représentation graphique des données d’insolation de Nice et Paris. Graphez les moyennes respectives à l’aide de la fonction abline().

faire apparaitre un chunk : - command + alt + i (macos) - control + alt + i (windows)

urlSHnice = "https://raw.githubusercontent.com/bilelsanhaji/EdSTM1/refs/heads/main/Data/SH_MIN006088001.csv"

SH_MIN006088001 <- read_delim(urlSHnice, #variable data raw du github
                              delim = ";", # separateur est ";"
                              escape_double = FALSE, 
                              col_types = cols(YYYYMM = col_date(format = "%Y%m")), 
                              comment = "#", trim_ws = TRUE)
tsplot(SH_MIN006088001$YYYYMM,SH_MIN006088001$VALEUR)

plot(SH_MIN006088001$YYYYMM, SH_MIN006088001$VALEUR, type = 'l', xlab = "Années", ylab = "Ensoleillement", main = "Ensoleillement à Nice (06)")

NICEdate = SH_MIN006088001$YYYYMM
NICEvaleur = SH_MIN006088001$VALEUR
plot(NICEdate, NICEvaleur, type = 'l', col = "darkblue", xlab = "Années", ylab = "Ensoleillement", main = "Ensoleillement à Nice (06)")
NICEmean = mean(NICEvaleur)
abline(h = NICEmean, col="darkred", lty = 2, lwd = 1.5)
abline()


Exercice 2

Simulez un processus complètement aléatoire de 51 observations avec des valeurs indépendantes pour ces “distributions” :

  1. \(\mathsf{WN}\)
WNunif = runif(n = 51, min = -2, max = 2)
tsplot(WNunif)

WNnorm = rnorm(n = 51, mean = 0, sd = 3)
tsplot(WNnorm)

  1. \(\mathcal{N}(0,1)\)
DGPnorm01 = rnorm(51)
ts.plot(DGPnorm01)

#mean(DGPnorm01)
ts.plot(rnorm(51))

(c) \(\chi^2_2\)

tsplot(rchisq(51, 2))

  1. \(t_5\)
tsplot(rt(n = 51,df = 5))

Tracez le graphique de la série temporelle. Cela semble-t-il « aléatoire » ? Répétez cet exercice plusieurs fois avec une nouvelle simulation à chaque fois.